SLM模式下的萍鄉(xiāng)住宅價格研究

文/李琪、劉穎 萍鄉(xiāng)學(xué)院 江西萍鄉(xiāng) 337000

房地產(chǎn)業(yè)作為萍鄉(xiāng)的支柱產(chǎn)業(yè)起步于1992年，當(dāng)時房價約為260元/㎡，2000年隨著鳳凰山莊的推出，萍鄉(xiāng)房地產(chǎn)業(yè)快速發(fā)展，開發(fā)模式由以前的單體開發(fā)逐漸向綜合開發(fā)轉(zhuǎn)變，房價也首次突破千元大關(guān)，達(dá)1300元/㎡。“十一五”、“十二五”期間萍鄉(xiāng)市房地產(chǎn)業(yè)保持高投入和快速發(fā)展，2013年全市商品房均價達(dá)到4321.24元/㎡，為2006年的2.50倍。從2010年起萍鄉(xiāng)雖每年都保有3000-5000套廉住房和經(jīng)濟(jì)適用房的投入，但商品房需求空間仍然較大。

1、萍鄉(xiāng)市住宅價格的空間分析

本文對萍鄉(xiāng)市住宅價格的空間分析主要是利用Opengeoda軟件和地理信息統(tǒng)計里常用的Arcgis軟件。Arcgis軟件是集圖層繪制和數(shù)據(jù)分析于一體的綜合性軟件，它可用來繪制樓盤的空間分布圖、定義研究對象屬性，其內(nèi)附帶的探索性空間數(shù)據(jù)分析則可以用來了解數(shù)據(jù)空間分布、觀測全局變化、求解空間自相關(guān)性等。Opengeoda軟件則是一款主要用于探索空間數(shù)據(jù)分析的軟件，對建立空間計量模型進(jìn)行數(shù)據(jù)分析十分方便。

1.1 萍鄉(xiāng)市樓盤分布圖

由于Arcgis軟件的龐大性和復(fù)雜性，筆者作為該軟件的初學(xué)者，對該軟件了解深度有限，故僅利用了其中的Arcmap軟件來繪制了萍鄉(xiāng)市的住宅小區(qū)分布圖。見圖1.1

圖1.1 萍鄉(xiāng)市城區(qū)住宅小區(qū)分布圖

1.2 住宅小區(qū)價格的描述性分析

本文研究的對象為萍鄉(xiāng)城區(qū)多層和高層的毛坯房，不包含別墅、公租房和小產(chǎn)權(quán)房等，在此次研究中共收集了研究區(qū)域內(nèi)52個小區(qū)的202個樣本。現(xiàn)對這52個小區(qū)的均價數(shù)據(jù)進(jìn)行描述統(tǒng)計分析，得到結(jié)果如表1.1。

表1.1 萍鄉(xiāng)市住宅小區(qū)價格的描述性統(tǒng)計分析

從圖1.2住宅小區(qū)均價的QQ圖可以發(fā)現(xiàn)，樣本點接近一條直線，表明小區(qū)住宅價格基本服從正態(tài)分布。

圖1.2 萍鄉(xiāng)市住宅小區(qū)均價QQ圖

1.3 萍鄉(xiāng)住宅的空間自相關(guān)分析

1.3.1 Moran’s I指數(shù)散點圖

利用Opengeoda軟件中的Univariate Moran’s I計算出萍鄉(xiāng)市住宅小區(qū)的全域Moran’s I值并繪制了Moran散點圖，如圖1.3所示。從圖中發(fā)現(xiàn)，萍鄉(xiāng)市住宅價格雖然四個象限均有分布，但是仔細(xì)觀察可見，大部分點分布在第一、三象限，少數(shù)分布在第二、四象限，空間相關(guān)性表現(xiàn)為正相關(guān)。在圖中頂部顯示Moran’s I指數(shù)為0.1437，并在1%的水平上顯著，表明萍鄉(xiāng)市住宅價格的空間分布并非完全隨機(jī)，而是表現(xiàn)出了較強(qiáng)的空間關(guān)聯(lián)性。

圖1.3 萍鄉(xiāng)市住宅價格的Moran’s I指數(shù)散點圖

1.3.2 住宅價格四分位圖

如圖1.4為住宅價格的四分位圖，圖1.5為ln住宅價格的四分位圖。從這兩圖中不難發(fā)現(xiàn)，某一顏色區(qū)域的周圍分布著相同顏色的區(qū)域，同種顏色分布較為集中，這也意味著萍鄉(xiāng)市住宅價格之間表現(xiàn)出較強(qiáng)的正相關(guān)。

圖1.4 萍鄉(xiāng)市住宅價格的四分位圖

圖1.5 萍鄉(xiāng)市l(wèi)n住宅價格的四分位圖

2、空間計量模型的建立與估計

通過上節(jié)分析發(fā)現(xiàn)萍鄉(xiāng)市各個小區(qū)住宅價格之間存在一定的空間相關(guān)性（Moran’s I=0.1437）。本節(jié)將借助Opengeoda軟件，運用空間計量模型來進(jìn)行萍鄉(xiāng)市住宅價格分析。在Opengeoda軟件中，先對萍鄉(xiāng)市住宅的SHP文件建立基于距離的空間權(quán)重矩陣，再打開Regression選項，勾選因變量和自變量，選擇已建好的權(quán)重矩陣和模型Spatial Lag。如圖2.1。

圖2.1 空間滯后模型的建立

構(gòu)建SLM模型，得到的估計結(jié)果見表2.1。

表2.1 空間滯后模型（SLM）的回歸結(jié)果

從表2.1可知，在10%的顯著性水平下，16個變量中有9個變量進(jìn)入模型，這與HPM模型的回歸結(jié)果一致，各個變量的符號也與預(yù)期符號一致。

3、空間計量模型的結(jié)果分析

表2.1中，W_LNXZJ值=0.2011378，數(shù)值較大并且在1%的水平上高度顯著，這表明萍鄉(xiāng)市住宅價格之間存在明顯的空間效應(yīng)，主要表現(xiàn)為較強(qiáng)的空間依賴性。萍鄉(xiāng)市住宅價格主要受到9個變量的影響，分別為建筑面積、相對樓層、建筑類別、房屋朝向、房齡、綠化率、周邊景觀、CBD距離和品牌影響，在10%的顯著水平下均為相同的9個變量進(jìn)入模型，只是變量的回歸系數(shù)和Prob值稍有不同，這主要因為在SLM模型中加入了空間權(quán)重矩陣、考慮了住宅價格間的空間效應(yīng)所致。在顯著的9個變量中建筑面積、建筑類別、房屋朝向、綠化率、周邊景觀和品牌影響對住宅價格表現(xiàn)為正相關(guān)，相對樓層、房齡和CBD距離對萍鄉(xiāng)住宅價格表現(xiàn)為負(fù)相關(guān)。而有無車位、容積率、生活配套、教育配套、文體配套、交通情況和所在片區(qū)對住宅價格的影響并不顯著。

表2.1 空間滯后模型（SLM）的回歸結(jié)果

分析樣本數(shù)據(jù)，結(jié)合萍鄉(xiāng)市的具體情況，認(rèn)為這些變量不顯著可能的原因為：

（1）萍鄉(xiāng)市城市人口密度不大，車輛保有量雖每年均有增加，但是總數(shù)量仍有限，有無車位對住宅價格的影響尚未表現(xiàn)出來，但是隨著時間的推移，車輛數(shù)量的增加，相信在不久的將來這一變量對住宅價格的影響將會日益突出。

（2）由于萍鄉(xiāng)有毛坯房在售的樓盤較少，為了確保樣本數(shù)量，本文的研究對象取為萍鄉(xiāng)市的多層和高層住宅，并未對多、高層進(jìn)行細(xì)分討論。高層住宅的容積率一般均比多層住宅要大，房價也比多層高，兩者組合在一起研究削弱了容積率對住宅價格的影響，故容積率對住宅價格的影響并不顯著。

（3）萍鄉(xiāng)市重點學(xué)校和完善的生活配套均處于市中心區(qū)域，而這部分區(qū)域周邊建筑比較成熟，很少有仍在售的毛坯房，本文的研究對象大多都未處于重點學(xué)校的學(xué)區(qū)范圍內(nèi)和市繁華中心，而所研究的小區(qū)周圍教育配套和生活配套相當(dāng)，從而導(dǎo)致了教育配套和生活配套對住宅價格的影響并不顯著。

（4）對于文體配套，雖然標(biāo)準(zhǔn)差達(dá)1.05，但是萍鄉(xiāng)市民對運動健身的熱情度和重視度不高，即使有空余時間，也很少出門運動，故文體配套的影響不顯著。

（5）萍鄉(xiāng)市中心城區(qū)較小，面積僅有58平方公里，部分小區(qū)周邊的交通線路雖較少，但是可通過近距離的轉(zhuǎn)車到達(dá)市中心和工作單位，并且很多家庭都配有私家車，工作單位也配有單位用車用于接送員工上下班，故交通情況還尚未對住宅價格表現(xiàn)出顯著性的影響。

（6）本次研究的對象分別處于市中心、新城區(qū)和安源新區(qū)，雖然市中心的相關(guān)配套更加完善，但是近年來新城區(qū)和安源新區(qū)也在大步發(fā)展，各項配套也正在逐步增加和完善中，并且新城區(qū)和安源新區(qū)的發(fā)展前景良好，因此小區(qū)所處片區(qū)的不同并未給住宅價格帶來顯著影響。

小結(jié)：

本章先利用Arcgis軟件繪制出了萍鄉(xiāng)市住宅小區(qū)的空間分布圖，利用Opengeoda軟件求得Moran’I指數(shù)，發(fā)現(xiàn)萍鄉(xiāng)市住宅價格間存在“正”空間相關(guān)性，在此基礎(chǔ)上利用Opengeoda軟件，建立萍鄉(xiāng)住宅價格的空間滯后模型，得到影響住宅價格的9個變量，分別為CBD距離、房屋朝向、房齡、建筑類別、綠化率、建筑面積、品牌影響、相對樓層和周邊景觀。

參考文獻(xiàn)：

[1]Anselin L. Spatial Econometrics：Methods and Models[M].Dordrecht：kluwer Academic Publishers,1988.

[2]Dubin.R.，Pace.R.K.& Thibodeau.T.G，Spatial Autoregression Techniques for Real Estate Data[J].Real Estate Lit,1999（7）

[3]施雅娟.基于空間Durbin模型的城市住宅特征價格研究—以杭州市為例[D].浙江大學(xué)，碩士論文，2013（5）.

[4]于璐，鄭思齊，劉洪玉，住房價格梯度的空間互異性及影響因素：對北京城市空間結(jié)構(gòu)的實證研究[J].經(jīng)濟(jì)地理，2009(3).

[5]宋雪娟，衛(wèi)海燕，王莉.基于ESDA和地統(tǒng)計分析的西安市住宅價格空間結(jié)構(gòu)和分異規(guī)律研究[J].測繪科學(xué).

[6]李琪.基于空間計量的萍鄉(xiāng)住宅價格研究[D].江西理工大學(xué)，碩士論文，2015.